文献类型：期刊文章

作　　者：黄浩东[1] 刘小株[1] 龚军[1] 刘杰[2] 张祖跃[2] 向天雨[3]

HUANG Hao-dong;LIU Xiao-zhu;GONG Jun;LIU Jie;ZHANG Zu-yue;XIANG Tian-yu(Medical Data Science Academy,Chongqing Medical University,Chongqing 400016,China;School of Medical Informatics,Chongqing Medical University,Chongqing 400016,China;Information Center,University Town Hospital,Chongqing Medical University,Chongqing 401331,China)

机构地区：[1]重庆医科大学医学数据研究院,重庆401331 [2]重庆医科大学医学信息学院,重庆400016 [3]重庆医科大学附属大学城医院信息中心,重庆401331

出　　处：《复旦学报（医学版）》

基　　金：重庆市技术创新与应用发展专项面上项目(cstc2019jscx-msxm X0262);重庆医科大学智慧医学项目(ZHYX2019013,YJSZHYX202017)。

年　　份：2022

卷　　号：49

期　　号：2

起止页码：226-233

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：目的筛选2型糖尿病患者群合并冠心病危险因素并建立风险分类模型,为临床辅助诊断提供有价值的参考。方法通过重庆医科大学大数据平台收集出院时间为2014年1月1日至2019年12月31日行冠状动脉造影术的2型糖尿病患者944例,根据造影结果分为2型糖尿病合并冠心病715例(T2DM-CAD组)和2型糖尿病非冠心病229例(T2DM组)。采用倾向得分匹配法(Propensity Score Matching,PSM)均衡组间混杂因素的影响,匹配后T2DM-CAD组389例,T2DM组221例。使用单因素分析与Logistic回归筛选冠心病发病的危险因素。采用贝叶斯优化(Bayesian Optimization,BO)算法优化支持向量机(Support Vector Machine,SVM)模型、随机森林(Random Forest,RF)模型、极限梯度上升(eXtreme Gradient Boosting,XGB)模型和Logistic回归模型,并比较4种分类模型的分类性能。结果共收集缺失值<30%的指标35项,单因素分析筛选出有统计学差异的指标20项。逐步向前Logistic回归筛选出11项危险因素,包括心率、吸烟、糖尿病肾病、血肌酐、甘油三酯、脂蛋白a、白蛋白、总胆红素、谷草转氨酶、糖化血红蛋白和尿糖。基于危险因素建立的分类模型中优化后的RF模型性能在5折交叉验证(F1值=0.711,AUC=0.811)以及验证集(F1值=0.752,AUC=0.810)中表现最优。结论建立了参数优化RF模型,可用于判断2型糖尿病患者是否合并冠心病,具有良好性能。

关 键 词：机器学习  2型糖尿病(T2DM)  冠心病 诊断  

分 类 号：TP399] R587.1[计算机类]